Tufte (1997: 92-105) schlägt vor, dass Grafiken sich unter anderem anhand ihrer “data-ink ratio” beurteilen lassen. Die “data ink-ratio” bestimmt das Verhältnis zwischen “Farbe”, die Daten darstellt und derjenigen, welche ersetzt werden kann ohne das es zu einem Informationsverlust kommt:
Data-ink ration = data-ink / total ink used to print the graphic
Anzahl der vergebenen Nobelpreise über den Zeitverlauf:
nobel.year <- nobel %>%
filter(!is.na(year)) %>%
group_by(year) %>%
summarise(prizes = n())Der ‘simple’ Plot:
ggplot(data = nobel.year, mapping = aes(x = year, y = prizes)) +
geom_bar(stat = "identity")
Unter Berücksichtigung der ‘data-ink ratio’:
ggplot(data = nobel.year, mapping = aes(x = year, y = prizes)) +
geom_bar(width = 0.1, stat = "identity") + # Breite der Balken
theme(
axis.ticks.length = unit(x = 0.25, units = "cm"),
panel.background = element_blank()
)
Einige Ergebnisse der Übung:
Einige Ergebnisse der Übung:
Einige Ergebnisse der Übung:
Einige Ergebnisse der Übung:
Die Aufgabe berührt einen Streit zwischen Verfechtern von Klarheit und einem eher spielerischen Ansatz, der schon seit den 1990er Jahren tobt:
Exemplarisch für den eher nüchternen Ansatz ist Edward Tufte:
Während auf der anderen Seite etwa Nigel Holmes stand. Alberto Cairo (2013) sieht aber auch Otto Neurath als einen Vorgänger (s. auch Gerd Arntz):
Die Gestaltung von Grafiken kann über den Befehl themes erfolgen. In ggplot2 stehen zehn ‘themes’ zur Verfügung. Darunter theme_minimal, theme_classic bis hin zum theme_void.
ggplot(data = nobel.year, mapping = aes(x = year, y = prizes)) +
geom_bar(width = 0.1, stat = "identity") +
theme_classic() # Verwendung von themes
Darüberhinaus gibt es noch ein zusätzliches Paket, welches weitere ‘themes’ enthält: ggthemes.
Hier findet sich u.a. anderem auch ein ‘theme’, welches von Tufte inspiriert ist: theme_tufte.
ggplot(data = nobel.year, mapping = aes(x = year, y = prizes)) +
geom_bar(width = 0.1, stat = "identity") +
theme_tufte()
Des Weiteren bietet ggthemes auch einige ‘geoms’, die auf Tuftes Arbeiten basieren:
geom_rangeframegeom_tufteboxplot# Age of the Nobel laureate
nobel.age <- nobel %>%
filter(gender != "org" & !is.na(year) & !is.na(born) & category != "") %>%
mutate(born = strtoi(str_extract_all(born, "[:digit:]{4}"))) %>%
filter(born > 0) %>%
mutate(yearprize = year - born)
# Boxplot (Note also example for the use of statistical transformation)
ggplot(data = nobel.age, mapping = aes(x = gender, y = yearprize)) +
geom_tufteboxplot() +
theme_tufte()
Es gibt aber viele weitere Gestaltungsoptionen, die durch ggthemes eröffnet werden:
Unter anderem auch das theme_stata:
ggplot(data = nobel.age, mapping = aes(x = gender, y = yearprize)) +
geom_boxplot() +
facet_wrap(~ category) +
theme_stata()
Oder auch theme_economist:
ggplot(data = nobel.age, mapping = aes(x = gender, y = yearprize)) +
geom_boxplot() +
facet_wrap(~ category) +
theme_economist()
On January 28, 1986, the space shuttle Challenger exploded and seven austronauts died because two rubber O-rings leaked. These rings had lost their resiliency because the shuttle was launched on a very cold day (Tufte 1997: 39).
Wenn die basale Grafik steht, versucht sie mit folgenden Befehlen zu ergänzen:
geom_annotatelabstheme oder ggthemesspace.plot <- ggplot() +
geom_point(data = space, mapping = aes(x = Temperature, y = Damage)) +
scale_x_continuous(limits = c(-5, 30), breaks = seq(from = -5, to = 30, by = 5)) +
annotate(geom = "rect", xmin = -2.78, xmax = -1.67, ymin = -Inf, ymax = Inf,
alpha = 0.2) +
annotate(geom = "text", label = "-2.78° to -1.67° range of \n temperature forecast of \n space shuttle Challenger", x = 3.5, y = 1.5) +
annotate(geom = "text", label = "SRM-25 Challenger: \n Fatal damage", x = 2.1, y = 12) +
labs(x = "Temperature (°C) of field joints at time of launch",
y = "O-ring damage index, each launch",
title = "History of O-Ring Damage",
subtitle = "Relationship between Temperature and O-Ring Damage",
caption = "Data available at: http://vincentarelbundock.github.io/Rdatasets/datasets.html") +
theme_classic()
space.plot
Ein weiteres Beispiel von Tufte (1997) ist eine Karte, die John Snow verwendete, um die Ursache einer Cholera-Epidemie zu finden.
Wir benötigen die Dateien map, death und pump aus dem Moodlekurs sowie das Paket ggmap:
Mit Hilfe des Befehls lässt sich die heutige Lage der Choleraepidemie plotten:
ggmap(map)
Der Befehl stellt einen “layer” dar und lässt sich mit Hilfe der Dateien death und pump um weitere Ebenen erweitern.
map <- readRDS(file = "C:\\Users\\User\\HU-Box\\Seafile\\Meine Bibliothek\\Seminare\\WS 2017\\Sessions\\Session 6\\Map")
death <- readRDS(file = "C:\\Users\\User\\HU-Box\\Seafile\\Meine Bibliothek\\Seminare\\WS 2017\\Sessions\\Session 6\\Death")
pump <- readRDS(file = "C:\\Users\\User\\HU-Box\\Seafile\\Meine Bibliothek\\Seminare\\WS 2017\\Sessions\\Session 6\\Pump")
ggmap(map) +
geom_point(data = death, aes(x = lon, y = lat, size = count)) +
geom_point(data = pump, aes(x = lon, y = lat), color = "red", size = 8)
Wir werden und mit den Möglichkeiten von ggmap in späteren Sitzungen noch auseinandersetzen.
space.plot <- ggplot(data = space.add, mapping = aes(x = Temperature, y = Damage)) +
geom_point() +
geom_smooth(method = "loess") +
scale_x_continuous(limits = c(-5, 30), breaks = seq(from = -5, to = 30, by = 5)) +
annotate(geom = "rect", xmin = -2.78, xmax = -1.67, ymin = -Inf, ymax = Inf,
alpha = 0.2) +
annotate(geom = "text", label = "-2.78° to -1.67° range of \n temperature forecast of \n space shuttle Challenger", x = 3.5, y = 1.5) +
annotate(geom = "text", label = "SRM-25 Challenger: \n Fatal damage", x = 2.1, y = 12) +
labs(x = "Temperature (°C) of field joints at time of launch",
y = "O-ring damage index, each launch",
title = "History of O-Ring Damage",
subtitle = "Relationship between Temperature and O-Ring Damage",
caption = "Data available at: http://vincentarelbundock.github.io/Rdatasets/datasets.html") +
theme_classic()
space.plot